A Content-Based Image Classification using Neural Network

신경망을 이용한 내용기반 영상 분류

In this Paper, we propose a method of content-based image classification using neural network. The images for classification ate object images that can be divided into foreground and background. To deal with the object images efficiently, object region is extracted with a region segmentation technique in the preprocessing step. Features for the classification are texture and shape features extracted from wavelet transformed image. The neural network classifier is constructed with the extracted features and the back-propagation learning algorithm. Among the various texture features, the diagonal moment was more effective. A test with 300 training data and 300 test data composed of 10 images from each of 30 classes shows correct classification rates of 72.3% and 67%, respectively.

본 논문에서는 내용기반 영상 분류를 위한 방법론으로써 신경망을 이용한 방법을 제안한다. 분류 대상 영상은 인터넷상의 다양한 영상들 중에서 전경과 배경의 구분이 있는 객체 영상이다. 전처리 과정에서 영역 분할을 이용하여 영상 내에서 배경을 제거하고 객체 영역을 추출한다. 분류를 위한 특징은 웨이블릿 변환 후 푸출된 형태 특징과 질감특징을 이용한다 추출된 특징 값들을 이용하여 영상들에 대한 학습패턴을 생성하고 신경망 분류기를 구성 한다. 신경망의 학습 알고리즘은 역전파 알고리즘을 사용한다. 가장 효과적인 질감특징을 선 택 하기 위한 실험에서는 대각 모멘트가 가장 높은 분류률을 보여 주었다. 배경을 제거 하고 대각 모멘트를 특징으로 사용하여 실험하였을 때, 30종류에서 각 10개씩 총 300개의 학습 데이터와300개의 테스트 데이터에 대하여 각각 72.3%와 67%의 정분류률을 보였다.